一种对象推荐方法、装置、介质以及设备制造方法及图纸

本申请公开了一种对象推荐方法，包括：计算对象集中各对象各自对应的第一分值和第二分值，根据各对象各自对应的第一分值和第二分值，计算得到各对象各自对应的综合分值，根据各对象各自对应的综合分值确定待推荐给目标用户的目标对象。在该方法中基于用户协同的算法以及基于热门对象推荐机制的核心技术，提出了根据两个维度的分值来综合衡量对象符合目标用户兴趣趋向的程度，作为对象的综合分值，其能够保证所确定的目标对象是与目标用户兴趣吻合度最高并且能够引起用户兴趣的热门对象，从而保证推荐结果的精准性。本申请还公开了一种对象推荐装置、设备以及计算机存储介质。

【技术实现步骤摘要】
一种对象推荐方法、装置、介质以及设备
本申请涉及互联网
，具体涉及一种基于协同过滤算法的对象推荐方法、装置、介质以及设备。
技术介绍
随着互联网技术的快速发展，多种多样的网络平台已进入人们的日常生活与工作中，给人们的工作和生活带来众多便利；例如目前广受用户喜爱的电子商务平台、新闻平台、视频平台、服务推荐平台等等，这些网络平台为了给平台用户提供更个性化、更精准的服务，往往需要通过推荐系统来实现精准性个性化推荐。现阶段被广泛应用的推荐系统是基于协同过滤算法实现的，其工作原理是基于用户协同的协同过滤，先根据目标用户的用户行为找到目标用户的相似用户，然后直接根据相似用户对对象的评分情况确定待推荐给目标用户的目标对象。由于目前这种推荐系统仅基于用户协同维度，从目标用户自己感兴趣的对象中为目标用户选择待推荐的目标对象，其并不考虑从热门对象的维度为目标用户进行推荐的因素，因此，在实际应用中，该推荐系统的推荐结果不能够为用户推荐用户感兴趣的新颖对象，不满足网络平台的业务需求，导致网络平台用户流失。
技术实现思路
本申请实施例提供了一种对象推荐方法，该方法能够保证为目标对象确定的待推荐的目标对象是与目标用户兴趣吻合度最高并且能够引起用户兴趣的热门对象，从而保证推荐结果的精准性，满足网络平台的业务需求。另外，本申请实施例为了保证上述方法在实际中的应用和实现，还提供了一种对象推荐装置、设备以及计算机存储介质。有鉴于此，本申请第一方面提供了一种对象推荐方法，所述方法包括：计算对象集中各对象各自对应的第一分值和第二分值，所述第一分值是根据对象的用户评分的方差以及平均值计算得到的分值，所述第二分值是根据目标用户的相似用户对对象的用户评分计算得到的分值；根据各对象各自对应的所述第一分值和所述第二分值，计算得到各对象各自对应的综合分值；根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象。可选的，所述根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象，包括：按照综合分值由大到小顺序选择排序靠前的M个对象,作为待推荐给所述目标用户的目标对象，其中，M取值为大于2的正整数。可选的，所述根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象，包括：按照综合分值由大到小顺序选择排序靠前的M个对象,作为候选对象，其中，M取值为大于2的正整数；针对各候选对象，计算候选对象与所述目标用户的感兴趣对象集中各对象之间的相似度，作为第一相似度；以及，计算候选对象与所述目标用户的非感兴趣对象集中各对象之间的相似度，作为第二相似度；根据各候选对象各自对应的所述第一相似度和所述第二相似度，计算得到各候选对象的相似度差异分值，所述相似度差异分值用于表征候选对象符合目标用户兴趣趋向的程度；按照相似度差异分值由大到小顺序选择排序靠前的N个对象,作为待推荐给所述目标用户的目标对象,其中，N为小于M的正整数。可选的，所述方法还包括：根据所述目标用户的历史行为数据，更新所述目标用户对应的感兴趣对象集和非感兴趣对象集。可选的，所述方法还包括：根据目标用户的属性特征从对象平台中获取与所述属性特征匹配的对象，生成对象集。可选的，所述根据各对象各自对应的所述第一分值和所述第二分值，计算得到各对象各自对应的综合分值，包括：针对各对象，计算对象对应的所述第一分值与第一平衡系数的乘积得到对象对应的第一乘积，以及，计算对象对应的所述第二分值与第二平衡系数的乘积得到对象对应的第二乘积；所述第一平衡系数小于所述第二平衡系数，且，所述第一平衡系数与所述第二平衡系数的和值为一；计算各对象各自对应的所述第一乘积与所述第二乘积之间的和值，作为各对象各自对应的综合分值。可选的，所述计算对象集中各对象各自对应的第一分值，包括：根据各对象的用户评分计算得到各对象各自对应的第一平均值以及第二平均值，所述第一平均值是用户评分中的好评类评分的平均值，所述第二平均值是用户评分中差评类评分的平均值；根据各对象各自对应的所述第一平均值计算评分方差得到好评方差，以及根据所述第二平均值计算对象的评分方差得到差评方差；根据各对象各自对应的所述好评方差和所述坏评方差，对各对象对应的所述第一平均值以及所述第二平均值进行加权运算得到各对象各自对应的第一分值。可选的，所述计算对象集中各对象各自对应的第二分值包括：计算目标用户的相似用户对对象的用户评分的平均值，将所述平均值作为所述对象的第二分值。可选的，所述对象为物品、新闻、视频和广告中的任意一种。本申请第二方面提供一种对象推荐装置，所述装置包括：第一计算模块，用于计算对象集中各对象各自对应的第一分值和第二分值，所述第一分值是根据对象的用户评分的方差以及平均值计算得到的分值，所述第二分值是目标用户的相似用户对对象的用户评分的平均值；第二计算模块，用于根据各对象各自对应的所述第一分值和所述第二分值，计算得到各对象各自对应的综合分值；确定模块，用于根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象。可选的，所述确定模块具体用于：按照综合分值由大到小顺序选择排序靠前的M个对象,作为待推荐给所述目标用户的目标对象，其中，M取值为大于2的正整数。可选的，所述确定模块具体用于：按照综合分值由大到小顺序选择排序靠前的M个对象,作为候选对象，其中，M取值为大于2的正整数；针对各候选对象，计算候选对象与所述目标用户的感兴趣对象集中各对象之间的相似度，作为第一相似度；以及，计算候选对象与所述目标用户的非感兴趣对象集中各对象之间的相似度，作为第二相似度；根据各候选对象各自对应的所述第一相似度和所述第二相似度，计算得到各候选对象的相似度差异分值，所述相似度差异分值用于表征候选对象符合目标用户兴趣趋向的程度；按照相似度差异分值由大到小顺序选择排序靠前的N个对象,作为待推荐给所述目标用户的目标对象,其中，N为小于M的正整数。可选的，所述装置还包括更新模块，所述更新模块用于：根据所述目标用户的历史行为数据，更新所述目标用户对应的感兴趣对象集和非感兴趣对象集。可选的，所述装置还包括生成模块，所述生成模块用于：根据目标用户的属性特征从对象平台中获取与所述属性特征匹配的对象，生成对象集。可选的，所述第二计算模块具体用于：针对各对象，计算对象对应的所述第一分值与第一平衡系数的乘积得到对象对应的第一乘积，以及，计算对象对应的所述第二分值与第二平衡系数的乘积得到对象对应的第二乘积；所述第一平衡系数小于所述第二平衡系数，且，所述第一平衡系数与所述第二平衡系数的和值为一；计算各对象各自对应的所述第一乘积与所述第二乘积之间的和值，作为各对象各自对应的综合分值。可选的，所述第一计算模块具体用于：根据各对象的用户评分计算得到各对象各自对应的第一平均值以及第二平均值，所述第一平均值是用户评分中的好评类评分的平均值，所述第二平均值是用户评分中差评类评分的平均值；根据各对象各自对应的所述第一平均值计算评分方差得到好评方差，以及根据所述第二平均值计算对象的评分方差得到差评方差；根据各对象各自对应的所述好评方差和所述坏评方差，对各对象对应的所述第一平均值以及所述第二平均值进行加权运算得到各对象各自对应的第一分值。可选的，所述第一计算模块具体用于：计算目标用户的相似用户对对象的用户评分本文档来自技高网...

【技术保护点】
1.一种对象推荐方法，其特征在于，所述方法包括：计算对象集中各对象各自对应的第一分值和第二分值，所述第一分值是根据对象的用户评分的方差以及平均值计算得到的分值，所述第二分值是根据目标用户的相似用户对对象的用户评分计算得到的分值；根据各对象各自对应的所述第一分值和所述第二分值，计算得到各对象各自对应的综合分值；根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象。

【技术特征摘要】
1.一种对象推荐方法，其特征在于，所述方法包括：计算对象集中各对象各自对应的第一分值和第二分值，所述第一分值是根据对象的用户评分的方差以及平均值计算得到的分值，所述第二分值是根据目标用户的相似用户对对象的用户评分计算得到的分值；根据各对象各自对应的所述第一分值和所述第二分值，计算得到各对象各自对应的综合分值；根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象。2.根据权利要求1所述的方法，其特征在于，所述根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象，包括：按照综合分值由大到小顺序选择排序靠前的M个对象,作为待推荐给所述目标用户的目标对象，其中，M取值为大于2的正整数。3.根据权利要求1所述的方法，其特征在于，所述根据各对象各自对应的综合分值确定待推荐给所述目标用户的目标对象，包括：按照综合分值由大到小顺序选择排序靠前的M个对象,作为候选对象，其中，M取值为大于2的正整数；针对各候选对象，计算候选对象与所述目标用户的感兴趣对象集中各对象之间的相似度，作为第一相似度；以及，计算候选对象与所述目标用户的非感兴趣对象集中各对象之间的相似度，作为第二相似度；根据各候选对象各自对应的所述第一相似度和所述第二相似度，计算得到各候选对象的相似度差异分值，所述相似度差异分值用于表征候选对象符合目标用户兴趣趋向的程度；按照相似度差异分值由大到小顺序选择排序靠前的N个对象,作为待推荐给所述目标用户的目标对象,其中，N为小于M的正整数。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：根据所述目标用户的历史行为数据，更新所述目标用户对应的感兴趣对象集和非感兴趣对象集。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据目标用户的属性特征从对象平台中获取与所述属性特征匹配的对象，生成对象集。6.根据权利要求1所述的方法，其特征在于，所述根据各对象各自对应的所述第一分值和所述第二分值，...

【专利技术属性】
技术研发人员：于福超，王菊，杜森，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21